Unidad 3

Carga de datos

library(readr)

## Warning: package 'readr' was built under R version 4.4.3

library(dplyr)

## Warning: package 'dplyr' was built under R version 4.4.3

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

# Cargar los archivos
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", show_col_types = FALSE)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", show_col_types = FALSE)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", show_col_types = FALSE)

# Unir todos en un solo data frame
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)

# Revisar estructura
glimpse(df)

## Rows: 1,671,036
## Columns: 18
## $ folio                  <chr> "C5/20220110/02402", "C5/20220129/01383", "C5/2…
## $ categoria_incidente_c4 <chr> "Medicos", "Derrame o fuga", "Cadaver", "Cadave…
## $ incidente_c4           <chr> "Dolor", "Olor a gas combustible quimicos", "Mu…
## $ anio_creacion          <dbl> 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022,…
## $ mes_creacion           <chr> "Enero", "Enero", "Enero", "Enero", "Enero", "E…
## $ fecha_creacion         <date> 2022-01-10, 2022-01-29, 2022-01-29, 2022-01-29…
## $ hora_creacion          <time> 17:01:37, 10:39:06, 16:28:36, 15:28:21, 14:33:…
## $ anio_cierre            <dbl> 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022,…
## $ mes_cierre             <chr> "Enero", "Enero", "Enero", "Enero", "Enero", "E…
## $ fecha_cierre           <date> 2022-01-10, 2022-01-29, 2022-01-29, 2022-01-29…
## $ hora_cierre            <time> 20:04:48, 13:46:10, 21:16:09, 19:26:09, 20:36:…
## $ codigo_cierre          <chr> "Otros", "Otros", "A", "A", "A", "A", "A", "A",…
## $ clas_con_f_alarma      <chr> "URGENCIAS MEDICAS", "EMERGENCIA", "EMERGENCIA"…
## $ alcaldia_cierre        <chr> "IZTAPALAPA", "IZTACALCO", "IZTAPALAPA", "IZTAP…
## $ colonia_cierre         <chr> "LOS ANGELES", "REFORMA IZTACCIHUATL NORTE", "E…
## $ manzana                <chr> "9.01E+14", "9.01E+14", "9.01E+14", "9.01E+14",…
## $ latitud                <dbl> 19.34255, 19.38376, 19.35514, 19.37824, 19.4334…
## $ longitud               <dbl> -99.06475, -99.12516, -99.09455, -99.09951, -99…

#df

df

1. Agrupa los incidentes por mes y alcaldía,

y calcula el número promedio de incidentes por categoría.

library(dplyr)
library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.4.3

# Agrupar por mes y alcaldía
df %>%
  count(mes_creacion, alcaldia_cierre) %>%
  mutate(
    mes_creacion = factor(mes_creacion,
                          levels = c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio",
                                     "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre"),
                          ordered = TRUE)
  ) %>%
  ggplot(aes(x = mes_creacion, y = n, fill = alcaldia_cierre)) +
  geom_col(position = "dodge") +
  labs(
    title = "Número de incidentes por mes y alcaldía",
    x = "Mes",
    y = "Número de incidentes",
    fill = "Alcaldía"
  ) +
  theme_minimal(base_size = 14) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# extraemos las categorias
library(dplyr)
library(readr)

# Cargar tus datasets
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", show_col_types = FALSE)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", show_col_types = FALSE)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", show_col_types = FALSE)

# Unir los tres en un solo dataframe
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)

# Contar categorías únicas y ordenarlas por frecuencia
categorias <- df %>%
  filter(!is.na(categoria_incidente_c4)) %>%
  count(categoria_incidente_c4, sort = TRUE)

# Ver resultado
print(categorias, n = Inf)

## # A tibble: 23 × 2
##    categoria_incidente_c4                    n
##    <chr>                                 <int>
##  1 Disturbio                            291628
##  2 Servicios                            271150
##  3 Agresion                             172348
##  4 Administrativas                      161069
##  5 Denuncia                             133330
##  6 Medicos                              126229
##  7 Lesionado                             72815
##  8 Derrame o fuga                        59808
##  9 Incendio                              53509
## 10 Danos por fenomeno natural o tercero  23092
## 11 Danos                                 15275
## 12 Abandono                              14983
## 13 Robo                                  11316
## 14 Cadaver                                9439
## 15 Contra la salud                        6383
## 16 Amenaza                                6353
## 17 Explosion                              3461
## 18 Detencion ciudadana                    3422
## 19 Privacion de la libertad               3011
## 20 Intento de suicidio                    2658
## 21 Sismo                                  2384
## 22 Accidente                                81
## 23 Persona extraviada en zona boscosa       80

library(dplyr)
library(ggplot2)
library(readr)

# Cargar datasets
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", show_col_types = FALSE)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", show_col_types = FALSE)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", show_col_types = FALSE)

# Unir los tres datasets
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)

# Contar y ordenar categorías
categorias <- df %>%
  filter(!is.na(categoria_incidente_c4)) %>%
  count(categoria_incidente_c4, sort = TRUE)

# Gráfico de barras
ggplot(categorias, aes(x = reorder(categoria_incidente_c4, n), y = n)) +
  geom_col(fill = "#0073C2FF") +
  coord_flip() +
  labs(
    title = "Frecuencia de categorías de incidentes 911",
    x = "Categoría",
    y = "Número de incidentes"
  ) +
  theme_minimal(base_size = 14)

library(dplyr)
library(ggplot2)
library(readr)

# Cargar datasets
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", show_col_types = FALSE)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", show_col_types = FALSE)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", show_col_types = FALSE)

# Unir los tres datasets
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)

# Contar y ordenar categorías
categorias <- df %>%
  filter(!is.na(categoria_incidente_c4)) %>%
  count(categoria_incidente_c4, sort = TRUE)

# Gráfico de barras con etiquetas
ggplot(categorias, aes(x = reorder(categoria_incidente_c4, n), y = n)) +
  geom_col(fill = "#0073C2FF") +
  geom_text(aes(label = n), hjust = -0.1, size = 3.5) +  # Agrega los totales
  coord_flip() +
  labs(
    title = "Frecuencia de categorías de incidentes 911",
    x = "Categoría",
    y = "Número de incidentes"
  ) +
  theme_minimal(base_size = 14) +
  theme(plot.title = element_text(hjust = 0.5)) +
  expand_limits(y = max(categorias$n) * 1.05)  # Espacio para que no se corte el número

library(dplyr)
library(ggplot2)
library(readr)
# Cargar datasets con columna año
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", show_col_types = FALSE) %>% mutate(anio = 2022)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", show_col_types = FALSE) %>% mutate(anio = 2021)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", show_col_types = FALSE) %>% mutate(anio = 2021)
# Unir los datasets
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)
# Contar categorías por año
categorias_anio <- df %>%
  filter(!is.na(categoria_incidente_c4)) %>%
  count(anio, categoria_incidente_c4)
# Para controlar el orden de las categorías (por total combinado)
orden_categorias <- categorias_anio %>%
  group_by(categoria_incidente_c4) %>%
  summarise(total = sum(n)) %>%
  arrange(total) %>%
  pull(categoria_incidente_c4)
categorias_anio$categoria_incidente_c4 <- factor(categorias_anio$categoria_incidente_c4, levels = orden_categorias)
# Crear gráfico barras agrupadas por año
ggplot(categorias_anio, aes(x = categoria_incidente_c4, y = n, fill = factor(anio))) +
  geom_col(position = "dodge") +
  geom_text(aes(label = n), position = position_dodge(width = 0.9), vjust = -0.5, size = 3) +
  scale_fill_manual(values = c("2020" = "green", "2021" = "blue", "2022" = "red")) +
  coord_flip() +
  labs(
    title = "Frecuencia de categorías de incidentes 911 por año",
    x = "Categoría",
    y = "Número de incidentes",
    fill = "Año"
  ) +
  theme_minimal(base_size = 14) +
  theme(plot.title = element_text(hjust = 0.5))

2. Identifica el día de la semana con más incidentes y determinar el total de llamadas para ese día.

library(dplyr)
library(ggplot2)
library(readr)
# Cargar datasets
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", show_col_types = FALSE)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", show_col_types = FALSE)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", show_col_types = FALSE)
# Unir datasets
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)
# Agrupar por año y categoría, excluir NA
df_heatmap <- df %>%
  filter(!is.na(categoria_incidente_c4), !is.na(anio_creacion)) %>%
  count(anio_creacion, categoria_incidente_c4)
# Gráfico heatmap con números y escala roja
ggplot(df_heatmap, aes(x = factor(anio_creacion), y = reorder(categoria_incidente_c4, -n), fill = n)) +
  geom_tile(color = "white") +
  geom_text(aes(label = n), color = "black", size = 3) +  # Añadir números
  scale_fill_gradient(low = "#fee0d2", high = "#de2d26", name = "Incidentes") +
  labs(
    title = "Heatmap de categorías de incidentes por año",
    x = "Año",
    y = "Categoría"
  ) +
  theme_minimal(base_size = 14) +
  theme(axis.text.x = element_text(size = 12),
        axis.text.y = element_text(size = 10))

library(dplyr)
library(ggplot2)
library(readr)
library(lubridate)

## Warning: package 'lubridate' was built under R version 4.4.3

## 
## Adjuntando el paquete: 'lubridate'

## The following objects are masked from 'package:base':
## 
##     date, intersect, setdiff, union

# Cargar datasets
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", show_col_types = FALSE)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", show_col_types = FALSE)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", show_col_types = FALSE)
# Unir datasets
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)
# Procesar: obtener día de la semana
df_dias <- df %>%
  filter(!is.na(fecha_creacion), !is.na(anio_creacion)) %>%
  mutate(dia_semana = wday(fecha_creacion, label = TRUE, abbr = FALSE, week_start = 1)) %>%  # lunes a domingo
  count(anio_creacion, dia_semana)
# Gráfico de líneas con números
ggplot(df_dias, aes(x = dia_semana, y = n, color = factor(anio_creacion), group = anio_creacion)) +
  geom_line(size = 1.2) +
  geom_point(size = 3) +
  geom_text(aes(label = n), vjust = -0.5, size = 4) +
  labs(
    title = "Número de incidentes por día de la semana y por año",
    x = "Día de la semana",
    y = "Número de incidentes",
    color = "Año"
  ) +
  theme_minimal(base_size = 14) +
  theme(axis.text.x = element_text(size = 12))

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

3. Crea un análisis temporal que muestre la distribución de incidentes por hora del día para las categorías “DELITO”, “EMERGENCIA” y “URGENCIA MÉDICA”. Utiliza gráficos adecuados para el análisis.

Todos los años

library(readr)
library(dplyr)
library(lubridate)
library(ggplot2)
# Cargar datasets con codificación UTF-8
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", locale = locale(encoding = "UTF-8"), show_col_types = FALSE)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", locale = locale(encoding = "UTF-8"), show_col_types = FALSE)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", locale = locale(encoding = "UTF-8"), show_col_types = FALSE)
# Unir datasets
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)
# Normalizar caracteres especiales
df <- df %>%
  mutate(clas_con_f_alarma = iconv(clas_con_f_alarma, from = "UTF-8", to = "ASCII//TRANSLIT"))
# Verificar columnas necesarias
if (!all(c("hora_creacion", "clas_con_f_alarma") %in% names(df))) {
  stop("Faltan columnas necesarias: 'hora_creacion' y/o 'clas_con_f_alarma'")
}
# Extraer hora
df <- df %>%
  mutate(hora = hour(as.POSIXct(hora_creacion, format = "%H:%M:%S")))
# Agrupar y contar
conteo <- df %>%
  group_by(hora, clas_con_f_alarma) %>%
  summarise(incidentes = n(), .groups = "drop")
# Gráfico de calor
ggplot(conteo, aes(x = clas_con_f_alarma, y = factor(hora), fill = incidentes)) + geom_tile(color = "white") +
  geom_text(aes(label = incidentes), color = "black", size = 3) + scale_fill_gradient(low = "white", high = "red") +
  labs(title = "Número de incidentes por hora y clasificación con alarma", x = "Clasificación con alarma",
    y = "Hora del día", fill = "Incidentes") + theme_minimal() + theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

4. Calcula el tiempo promedio entre la creación y cierre del incidente (usa fecha_creacion y fecha_cierre). Así mismo, determinar el tiempo mínimo y máximo.

library(readr)
library(dplyr)
library(lubridate)
# Unir datasets con su año
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", locale = locale(encoding = "UTF-8"), show_col_types = FALSE)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", locale = locale(encoding = "UTF-8"), show_col_types = FALSE)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", locale = locale(encoding = "UTF-8"), show_col_types = FALSE)
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)
# Limpiar strings y convertir fecha y hora
df <- df %>%
  mutate(
    fecha_creacion = trimws(fecha_creacion),
    hora_creacion = trimws(hora_creacion),
    fecha_cierre = trimws(fecha_cierre),
    hora_cierre = trimws(hora_cierre),
    fecha_hora_creacion = ymd(fecha_creacion) + hms(hora_creacion),
    fecha_hora_cierre = ymd(fecha_cierre) + hms(hora_cierre),
    duracion_minutos = as.numeric(difftime(fecha_hora_cierre, fecha_hora_creacion, units = "mins"))
  )
# Verificar que las fechas están bien convertidas
df %>% select(fecha_creacion, hora_creacion, fecha_hora_creacion) %>% head()

# Calcular estadísticas
resumen <- df %>%
  summarise(
    promedio_min = mean(duracion_minutos, na.rm = TRUE),
    minimo_min = min(duracion_minutos, na.rm = TRUE),
    maximo_min = max(duracion_minutos, na.rm = TRUE)
  )
print(resumen)

## # A tibble: 1 × 3
##   promedio_min minimo_min maximo_min
##          <dbl>      <dbl>      <dbl>
## 1         166.      -55.9   1086041.

library(readr)
library(dplyr)
library(lubridate)
# Unir datasets con su año
df_1_2022 <- read_csv("llamadas_911_2022_s1.csv", locale = locale(encoding = "UTF-8"), show_col_types = FALSE)
df_2_2021 <- read_csv("llamadas_911_2021_s2.csv", locale = locale(encoding = "UTF-8"), show_col_types = FALSE)
df_1_2021 <- read_csv("llamadas_911_2021_s1.csv", locale = locale(encoding = "UTF-8"), show_col_types = FALSE)
df <- bind_rows(df_1_2022, df_2_2021, df_1_2021)
# Limpiar strings y convertir fecha y hora
df <- df %>%
  mutate(
    fecha_creacion = trimws(fecha_creacion),
    hora_creacion = trimws(hora_creacion),
    fecha_cierre = trimws(fecha_cierre),
    hora_cierre = trimws(hora_cierre),
    fecha_hora_creacion = ymd(fecha_creacion) + hms(hora_creacion),
    fecha_hora_cierre = ymd(fecha_cierre) + hms(hora_cierre),
    duracion_minutos = as.numeric(difftime(fecha_hora_cierre, fecha_hora_creacion, units = "mins"))
  )
# Verificar que las fechas están bien convertidas
df %>%
  select(fecha_creacion, hora_creacion, fecha_hora_creacion) %>%
  head()

# Calcular promedio de duración por categoría
promedio_por_categoria <- df %>%
  filter(!is.na(duracion_minutos), !is.na(categoria_incidente_c4)) %>%
  group_by(categoria_incidente_c4) %>%
  summarise(promedio_duracion_min = mean(duracion_minutos, na.rm = TRUE),cantidad_incidentes = n()) %>%
  arrange(desc(promedio_duracion_min))  # Opcional: ordenar por duración
# Mostrar resultado
print(promedio_por_categoria)

## # A tibble: 23 × 3
##    categoria_incidente_c4              promedio_duracion_min cantidad_incidentes
##    <chr>                                               <dbl>               <int>
##  1 Sismo                                               2651.                2384
##  2 Denuncia                                             519.              133330
##  3 Cadaver                                              335.                9439
##  4 Accidente                                            240.                  81
##  5 Intento de suicidio                                  224.                2658
##  6 Persona extraviada en zona boscosa                   220.                  80
##  7 Servicios                                            216.              271150
##  8 Derrame o fuga                                       200.               59808
##  9 Danos por fenomeno natural o terce…                  194.               23092
## 10 Abandono                                             175.               14983
## # ℹ 13 more rows

df_por_anio <- df %>%
  filter(!is.na(duracion_minutos), !is.na(categoria_incidente_c4)) %>%
  mutate(anio = year(fecha_hora_creacion)) %>% group_by(anio, categoria_incidente_c4) %>% summarise(promedio_duracion_min = mean(duracion_minutos, na.rm = TRUE),.groups = "drop")
# Gráfico
ggplot(df_por_anio, aes(x = reorder(categoria_incidente_c4, promedio_duracion_min), y = promedio_duracion_min, fill = factor(anio))) +
  geom_col(position = "dodge") +
  coord_flip() +
  labs(
    title = "Duración promedio por categoría y año",
    x = "Categoría",
    y = "Duración promedio (minutos)",
    fill = "Año"
  ) +
  theme_minimal(base_size = 14)

5. Determinar el porcentaje de llamadas que fueron clasificadas como “Falsa Alarma”.

# Calcular porcentaje de "Falsa Alarma"
porcentaje_falsa_alarma <- df %>%
  filter(!is.na(clas_con_f_alarma)) %>%
  mutate(falsa_alarma = clas_con_f_alarma == "FALSA ALARMA") %>%
  summarise(
    total_llamadas = n(),
    total_falsas = sum(falsa_alarma),
    porcentaje = total_falsas / total_llamadas * 100
  )

print(porcentaje_falsa_alarma)

## # A tibble: 1 × 3
##   total_llamadas total_falsas porcentaje
##            <int>        <int>      <dbl>
## 1        1671036          504     0.0302

df_falsa <- df %>%
  filter(!is.na(clas_con_f_alarma)) %>%
  mutate(clasificacion = ifelse(clas_con_f_alarma == "FALSA ALARMA", "FALSA ALARMA", "Otra")) %>%
  count(clasificacion) %>%
  mutate(porcentaje = n / sum(n) * 100)

ggplot(df_falsa, aes(x = "", y = porcentaje, fill = clasificacion)) +
  geom_col(width = 1) +
  coord_polar(theta = "y") +
  geom_text(aes(label = paste0(round(porcentaje, 1), "%")), 
            position = position_stack(vjust = 0.5),
            color = "white", size = 4) +
  labs(
    title = "Porcentaje de llamadas clasificadas como Falsa Alarma",
    fill = "Clasificación"
  ) +
  theme_void()

df_falsa <- df %>%
  filter(!is.na(clas_con_f_alarma)) %>%
  mutate(clasificacion = ifelse(clas_con_f_alarma == "FALSA ALARMA", "FALSA ALARMA", "Otra")) %>%
  count(clasificacion) %>%
  mutate(porcentaje = n / sum(n) * 100)

ggplot(df_falsa, aes(x = "", y = porcentaje, fill = clasificacion)) +
  geom_col(width = 1) +
  coord_polar(theta = "y") +
  geom_text(
    aes(label = paste0(sprintf("%.3f", porcentaje), "%")),
    position = position_stack(vjust = 0.5),
    color = "white", size = 4
  ) +
  labs(
    title = "Porcentaje de llamadas clasificadas como Falsa Alarma",
    fill = "Clasificación"
  ) +
  theme_void()

library(ggplot2)
library(dplyr)
library(lubridate)

# Asegurarse de que `fecha_hora_creacion` esté correctamente generado
df <- df %>%
  mutate(
    fecha_hora_creacion = ymd(fecha_creacion) + hms(hora_creacion),
    anio = year(fecha_hora_creacion)
  )

# Función para graficar por año
graficar_falsa_alarma <- function(df, anio_target) {
  df_falsa <- df %>%
    filter(!is.na(clas_con_f_alarma), anio == anio_target) %>%
    mutate(clasificacion = ifelse(clas_con_f_alarma == "FALSA ALARMA", "FALSA ALARMA", "Otra")) %>%
    count(clasificacion) %>%
    mutate(porcentaje = n / sum(n) * 100)

  ggplot(df_falsa, aes(x = "", y = porcentaje, fill = clasificacion)) +
    geom_col(width = 1) +
    coord_polar(theta = "y") +
    geom_text(
      aes(label = paste0(sprintf("%.3f", porcentaje), "%")),
      position = position_stack(vjust = 0.5),
      color = "white", size = 4
    ) +
    labs(
      title = paste("Porcentaje Falsa Alarma -", anio_target),
      fill = "Clasificación"
    ) +
    theme_void()
}

# Graficar por año
grafico_2020 <- graficar_falsa_alarma(df, 2020)
grafico_2021 <- graficar_falsa_alarma(df, 2021)
grafico_2022 <- graficar_falsa_alarma(df, 2022)

# Mostrar gráficos (en RStudio, uno por uno o con patchwork/cowplot/gridExtra)
print(grafico_2020)

print(grafico_2021)

print(grafico_2022)